科研艺术：用火山图点亮差异基因可视化之美_差异基因火山图配色-优快云博客

本文链接：https://blog.youkuaiyun.com/mutouyuaichi/article/details/144891825

新的一年，从“火山图”启程，愿大家的科研之路如这绚丽的图景般红红火火！
在今天教学之前，先邀请大家一起来欣赏一些精美的NCS级别的可视化

数据分析的内核恒久不变，而可视化却是一片自由挥洒的画布。即使数据相同，巧妙的图表设计能让研究焕发新彩，宛如艺术品般引人注目，让人眼前一亮。多多欣赏好看的图片，就像在欣赏美景一样，让我们可以从独特的笔触学习研究者的思考与审美。

好了，闲话少说，让我们从火山图出发，探索那些独具匠心的差异基因可视化，感受科学与艺术的完美结合。

还是以之前差异基因分析的示例数据为例

图1 示例数据

火山图（Volcano Plot）

作用：展示差异表达基因的显著性和表达倍数变化（Fold Change）。
横轴 (X-axis)：基因的Log2 Fold Change（表达倍数的对数值）。
纵轴 (Y-axis)：基因表达显著性的-log10(P-value) 或 -log10(FDR)。
特点：
- 上调基因（通常标记为红色）。
- 下调基因（通常标记为蓝色）。
- 非显著基因（通常标记为灰色）。

R示例代码：

if (!requireNamespace('BiocManager', quietly = TRUE))
install.packages('BiocManager')

BiocManager::install('EnhancedVolcano')

library(EnhancedVolcano)

res <- read.csv("./APT_vs_AHa.csv", row.names = 1)

EnhancedVolcano(
    res,
    lab = rownames(res),  # 使用数据框的行名作为标签
    x = 'log2FoldChange', # x轴变量：log2倍数变化
    y = 'pvalue',         # y轴变量：p值
    xlim = c(-4, 4),      # x轴的范围
    ylim = c(0,10),       # y轴的范围
    title = 'APT versus AHa', # 图表标题
    FCcutoff = 1.5,       # 倍数变化的截断阈值
    pCutoff = 10e-2,      # p值的截断阈值
    #shape = 8            # 点的形状（此行被注释掉了）
    legendLabels=c('Not sig.','Log (base 2) FC','p-value', 'p-value & Log (base 2) FC'), # 图例标签
    legendPosition = 'right', # 图例位置
    legendLabSize = 10,   # 图例标签的字体大小
    legendIconSize = 5.0, # 图例图标的大小
    drawConnectors = TRUE, # 是否绘制连接线
    widthConnectors = 0.75 # 连接线的宽度
    #col = c("grey30", "forestgreen", "royalblue", "red2"), # 颜色设置
    #colAlpha = 0.9,                             # 颜色透明度
    #drawConnectors = TRUE,                       # 是否绘制连接线
    #hline = c(10e-30),                          # 水平参考线位置
    #widthConnectors = 0.5                       # 连接线宽度
    )


ggsave("Volcano.pdf",width = 10, height = 8, plot = p1)

图2 火山图

结果解读

这张火山图展示了 APT 和 AHa 之间基因表达的差异。横轴表示 Log2 倍数变化（Log2 fold change），纵轴表示 -Log10 转换的 p 值。红色点代表显著上调或下调的基因（同时满足 p 值和倍数变化的阈值），蓝色点表示仅满足倍数变化的基因，绿色点表示仅满足 p 值的基因，灰色点则表示不显著的基因。图中标注的基因是变化最显著的基因。